The sociability space: Putting social networks into geographical space

Fancello, Chaix, Gerber et al. (2026)

DisciplineInterdisciplinary

MethodSurvey

Summary

Problem: 社会网络与日常出行密切相关，但现有文献中社会网络测量基本是"空间盲"的，日常出行测量则基本是"社会盲"的，二者在不同学科中用不同方法分别分析。对老年人而言，社会联系与活动空间的变化（退休、收入变化、亲友丧失、行动不便等）使其更易陷入空间与社会双重孤立，然而关于日常活动所在地理位置与社会网络之间关联的研究仍然不足，尤其是缺乏对真实面对面互动发生地点的考察（现有研究多局限于网络成员家庭住址的空间分布）。

Approach: 提出"社交空间"（sociability space）这一新概念——即活动空间中由与社交网络成员共同访问的地点所构成的地理部分。利用结合"地点生成器"与"姓名生成器"的地图式问卷（VERITAS-Social），在巴黎大区225名60岁及以上老年人中采集日常活动地点与社会网络数据，将活动地点区分为社交性（sociability）与非社交性（non-sociability）两类，并围绕三个目标展开分析：(1) 比较两类空间的结构特征；(2) 考察社会网络是否影响两类空间结构、以及社交空间是否与网络关联更强；(3) 评估两类空间与社会人口学特征及居住地类型的关系差异。

Finding: sociability 地点比 non-sociability 地点数量更少、多样性更低、空间上更分散、更偏离住所。传统社会网络测量（度数、全局聚类等）与 sociability 空间结构特征的相关性比与 non-sociability 空间的相关性更强、数量更多。sociability 空间结构特征随社会人口与居住地类型的变化模式，与 non-sociability 空间大不相同。约14%的受访者未报告任何 sociability 地点。

Significance: 实证表明"社交空间"指标是对社会网络指标的补充，能比把活动空间作为一个整体更精确地刻画社会互动的地理格局。这种方法有助于识别有社会孤立风险的人群（如独居者、低教育水平者），并为同时促进日常出行和减少社会隔离的公共政策提供启示。

Theoretical Framework

• Theoretical tradition: 交叉学科视角，融合时间地理学（time geography）、社会网络分析（social network analysis）与活动空间/健康地理学（activity space / health geography）三大传统。
• Prior theories built upon: Hägerstrand (1970) 时间地理学；Golledge & Stimson (1997) 活动空间概念；Carrasco et al. (2008) 时间地理视角下的社会网络；Newman (2010) 社会网络拓扑分析；Perchoux et al. (2014) 活动空间结构测量；Berkman et al. (2014) 与 K. P. Smith & Christakis (2008) 社会关系与健康；Kestens et al. (2017) 社会环境与日常暴露；Shannon & Weaver (1949) 多样性指数。
• Causal mechanism: 社会网络与日常出行在生命历程中相互塑造——社会结构形塑人们的日常活动与出行模式，日常出行反过来界定人们与之互动并建立社会关系的社会环境。论文隐含的机制假设是：与网络成员共同访问的地点（sociability places）承载着社会互动功能，因此其地理结构应当更直接地反映社会网络的属性（规模、凝聚力、构成等）；而非社交性地点主要服务于功能性需求，与网络结构的关联更弱。
• Key assumptions: (1) 定期活动（过去12个月内每月至少一次）能有效捕捉日常社会互动；(2) 自我报告的地点与网络成员数据可靠；(3) 关注住宅外（out-of-home）面对面的互动，住宅本身不被视为 sociability place；(4) 将活动空间划分为社交性与非社交性两部分是有意义且可操作的；(5) 社交互动的地理格局可通过受访者与网络成员"是否同访某地"来界定。
• Theoretical move: 扩展（extend）——论文并非否定现有理论，而是在活动空间研究与社会网络分析之间架桥：将社会网络维度嵌入地理空间，提出并操作化新概念"sociability space"。这是对传统上"空间盲"的网络测量与"社会盲"的流动性测量的综合超越，将研究焦点从"网络成员住在哪里"转向"面对面互动实际发生在哪里"。
• Scope conditions: 研究限定于法国巴黎大区（Île-de-France）60岁及以上老年人；仅关注住宅外地点；结果的一般化需考虑该人群特征（退休、健康变化等）与巴黎大区城市背景（人口老龄化、独居比例高、市镇规模分级明显）。

Research Design

横断面观察性调查研究（cross-sectional observational survey）。分析单位：个体（ego），即每位受访老年人。

• 因变量：sociability 空间与 non-sociability 空间各自的结构属性——地点数量、每月到访次数、地点多样性（香农均匀度指数，Shannon Evenness Index，取值0–1）、从住宅到地点的平均街道路网距离（km）、空间范围（95%标准偏差椭圆面积，km²）、活动空间重心与住宅之间的欧氏距离（km）。
• 自变量：(a) 社会网络指标——每周联系总次数（含邮件、电话、面对面等）、每周面对面社交互动次数、网络度数（degree，即网络成员数）、全局聚类系数（global clustering coefficient，取值0–1）、关系类型均匀度（6类关系：配偶/子女/其他家庭成员/朋友/同事/熟人，取值0–1）、alter 年龄变异系数（%）。(b) 社会人口学特征：性别、年龄组（60–70；>70）、教育水平（低/中/高）、家庭构成（独居/非独居）、就业状态（在职/非在职）。(c) 居住地类型：巴黎市（人口220万）、大型市镇（5万–20万居民，44个）、小型市镇（<5万居民，1223个）。
• 操作化：通过 VERITAS-Social 地图式问卷采集活动地点（place generator）与网络成员（name generator），并根据受访者是否与某位网络成员一同到访某地，将地点划分为 sociability 或 non-sociability 两类。活动类型分为6类：食品杂货店、体育与休闲场所、健康场所、工作场所、拜访/陪同场所、其他服务。排除交通站点位置与 Île-de-France 以外的地点。

Data & Sample

• N = 225，均为60岁及以上老年人
• 地区：法国巴黎大区（Île-de-France）
• 招募：来自 RECORD 队列研究（2007年建立，共7290名参与者，研究环境因素对健康不平等的影响）。所有60岁及以上 RECORD 参与者通过电话和邮件受邀参加 HANC（Healthy Aging and Networks in Cities）与 MINDMAP（Promoting mental well-being and healthy aging in cities）项目，同意参加者（n=225）随后完成问卷。
• 数据收集时间：2019年7月至2021年5月（COVID-19疫情期间暂停，之后按原方案重启并增加防疫措施；第一次封锁后请受访者按封锁前习惯作答）。纳入访问时面对面完成问卷（疫情期间改为电话）。
• 数据来源：VERITAS-Social 地图式问卷，整合 Google Maps 交互式地图功能，引导受访者完成一系列问题与地图操作，以促进空间信息报告并减少记忆偏差。
• 样本子集：225人全部报告至少1个 non-sociability 地点；14%（约31人）未报告任何 sociability 地点；多样性指数与街道路网平均距离仅在至少报告1个 sociability 地点的受访者（n=194）中计算；标准偏差椭圆相关指标（面积、重心距离）仅在至少报告3个 sociability 地点的受访者（n=115）中计算。
• 排除情况：位于 Île-de-France 以外的活动地点（311个 sociability 地点中移除5个；965个 non-sociability 地点中移除14个）；交通站点与公交车站位置被排除。

Analytical Strategy

• 描述性统计：计算社会人口学变量、居住变量、社会网络指标以及两类空间指标的分布。
• 卡方检验（chi-square tests）：比较6类活动地点在 sociability 与 non-sociability 空间中的分布差异。
• 非参数 Wilcoxon 检验：由于绝大多数空间与社会网络指标非正态分布，用 Wilcoxon 检验比较组间中位数差异，并用小提琴图（violin plots）和箱线图（boxplots）展示分布。
• Spearman 秩相关：估计社会网络指标与两类空间结构属性之间的相关性，关注变量是否同向增减。
• 按个体特征（社会人口学、居住地类型）比较 sociability 空间结构属性中位数——但此部分文本在2.5节统计方法处截断，未包含完整的模型设定、控制变量与稳健性检验信息（N/A）。

Results & Findings

主要发现基于摘要及引言中的陈述（论文文本在方法章节截断，未包含完整结果章节）：

1. sociability 与 non-sociability 空间的结构差异：sociability 地点数量更少、多样性更低、空间上更分散、更偏离住所，而 non-sociability 地点更多样且更靠近住宅。这意味着老年人的社交性活动空间与日常功能性活动空间在结构上有系统性差异——与网络成员共访的地点在地理上更为分散，且偏向远离居住地，而独自进行的日常活动（如购物、服务）更集中在住所附近。

2. 社会网络与空间结构的关联方向：传统社会网络测量（度数、全局聚类等）与 sociability 空间结构特征之间的相关性比与 non-sociability 空间的相关性更强、数量更多。这验证了论文的核心理论预期：将活动空间按社交属性拆分后，社会网络的结构属性主要体现在与网络成员共同访问的地点集合上，而非社交性地点与网络结构的关系较弱。

3. 社会人口与居住特征的差异化模式：sociability 空间结构特征随社会人口学特征和居住地类型的变化模式，与 non-sociability 空间大不相同。这提示如果把活动空间作为一个整体来分析，会掩盖社交维度上的重要异质性；例如"社交空间"的收缩或扩张并不必然伴随整体活动空间的变化。

4. 对孤立风险的识别意义：区分两类空间有助于识别有社会孤立风险的人群——文中明确提到独居者和低教育水平者——并提示这些群体的社交性活动空间可能呈现特定的收缩或分散特征。

5. 描述性事实：14%的受访者报告没有任何 sociability 地点（即其活动空间完全缺乏与网络成员共访的地点），这是一个值得关注的潜在孤立风险子群体。

注：由于提供的文本在2.5节截断，具体统计数值、零结果、未预期发现及分组显著性检验细节不可得（N/A）。

Limitations

提供的论文文本未包含专门的局限性讨论部分（文本在2.5节统计方法处截断），因此完整的作者自述局限不可得。但从现有文本中可直接读出的方法学特征包括：

• 结合 place generator 与 name generator 的问卷方法对受访者和访谈者而言耗时（"time-consuming for both respondents and interviewers"）
• 依赖自我报告回忆地点与互动信息，存在记忆偏差风险（地图式方法旨在"minimizing memory bias"）
• COVID-19 疫情期间数据收集中断并改为电话方式，第一次封锁后受访者被要求按封锁前习惯作答，可能引入回忆偏差
• 研究排除了 Île-de-France 以外的活动地点及交通站点位置，且住宅内部的社会互动不在考察范围内 （以上为可从现有文本中直接读出的设计特征，而非论文正式局限性清单。）

Key Contributions

• 提出并操作化新概念"sociability space"（社交空间），将社会网络嵌入地理空间，弥合了社会网络测量"空间盲"与出行测量"社会盲"之间的缺口
• 利用结合地点生成器与姓名生成器（可双向回溯）的创新地图式问卷（VERITAS-Social），采集老年人在住宅外全部日常活动（不仅是休闲活动）中面对面互动的精确地理数据
• 实证证明 sociability 与 non-sociability 空间在结构特征上存在系统性差异（数量、多样性、空间分散度、与住所的偏离度）
• 证明社会网络指标与 sociability 空间结构的关联强于与 non-sociability 空间的关联，说明按社交属性拆分活动空间能更有效地揭示网络—空间耦合关系
• 发现 sociability 空间结构随社会人口与居住特征的变化模式不同于 non-sociability 空间，为识别社会孤立风险人群（独居者、低教育水平者）提供实证依据
• 为促进老年人日常出行与减少社会隔离的城市政策和社会干预提供经验基础

Key Claims

"Although social networks and daily mobility are closely interconnected, measures of social network proposed in the literature are mainly spatially blind and conversely measures of daily mobility are mainly socially blind" (Introduction)

"Social network measures rarely account for places where people meet members of their social network: family, friends and professional contacts are usually studied from a purely topological perspective considering the position and intensity of nodes and links" (Introduction)

"Sociability places are found to less numerous, less diversified, more spatially dispersed and more decentered from residence than non-sociability places." (Abstract)

"Regarding traditional social network measures (degree, global clustering, etc.), stronger and more numerous correlations are observed with the structural characteristics of sociability spaces than with non-sociability spaces." (Abstract)

"This empirical study shows that "sociability space" indicators are complementary to social network indicators and provide a more precise picture of geography of social interactions than activity space considered as a whole." (Abstract)

---

My Notes